Anaconda 语法与简单使用教程¶

本文介绍 Anaconda / Miniconda 的安装、conda 常用语法以及环境与包管理的基本用法，便于日常开发与复现环境。参考 Conda 官方速查表。以下命令与行为以 conda 25.x（如 25.1.x）为准；若遇大版本变更，以 Conda 发行说明 为准。

适用读者：需要在本地管理多 Python 版本、多项目依赖，或做数据科学/机器学习环境的开发者；对命令行有基本了解即可。

什么是 Anaconda¶

Anaconda 是一个面向科学计算的 Python 发行版，支持 Linux、macOS、Windows，预装了大量科学计算与数据分析相关的 Python 包。

Miniconda 是 Anaconda 的轻量版，只包含 Python 和 conda，需要什么包再自己用 conda 或 pip 安装，更适合自定义环境。

Conda 是随 Anaconda/Miniconda 一起提供的包管理与环境管理工具，可以：

• 创建、激活、删除隔离的 Python 环境
• 安装、更新、卸载包并自动处理依赖
• 导出/导入环境配置，便于复现

与 pip / venv 的选用：conda 同时管「Python 版本」和「包」，且能安装非 Python 依赖（如 CUDA、R）；若只需纯 Python 项目隔离，用系统 Python + venv + pip 也可。科学计算、多语言混用或需精确复现环境时，conda 更合适。

安装¶

前置条件：具备系统安装权限；Windows 下建议以当前用户安装并勾选「加入 PATH」（或安装后手动配置环境变量）。

官方下载¶

• Anaconda（完整版）：https://www.anaconda.com/download
• Miniconda（精简版）：https://docs.conda.io/en/latest/miniconda.html

国内镜像（推荐）¶

国内用户可从镜像站下载安装包并配置 conda 使用国内源，加速安装与后续包下载。

清华大学 TUNA 镜像：

• Anaconda 仓库：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
• 安装包目录：https://mirror.tuna.tsinghua.edu.cn/anaconda/archive/（Anaconda）、https://mirror.tuna.tsinghua.edu.cn/anaconda/miniconda/（Miniconda）

配置 conda 使用清华镜像：

在用户目录下编辑或创建 .condarc：

• Linux / macOS：~/.condarc
• Windows：C:\Users\<用户名>\.condarc

Windows 若没有该文件，可先执行：

1

conda config --set show_channel_urls yes

再编辑生成的 .condarc，内容示例（将 {{endpoint}} 替换为 https://mirror.tuna.tsinghua.edu.cn/anaconda）：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud

保存后建议执行：

1

conda clean -i

以清除索引缓存，然后可用 conda create -n myenv numpy 等命令测试是否正常。

验证安装与版本¶

1
2
3
4
5

# 验证 conda 是否可用
conda info

# 查看 conda 版本
conda --version

Conda 常用语法速查¶

快速入门¶

环境管理¶

包管理¶

频道配置¶

导出环境¶

导入环境¶

其他常用¶

简单使用流程示例¶

1. 为新项目创建环境¶

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

# 创建名为 myproject、Python 3.10 的环境
conda create -n myproject python=3.10 -y

# 激活环境
conda activate myproject

# 安装依赖（示例）
conda install numpy pandas
# 或使用 pip
pip install -r requirements.txt

2. 日常开发¶

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

# 进入项目目录并激活对应环境
cd /path/to/project
conda activate myproject

# 开发结束后可导出依赖，便于复现
pip freeze > requirements.txt
# 或导出完整 conda 环境
conda env export > environment.yml

conda deactivate

3. 与他人/另一台机器复现环境¶

对方拿到 environment.yml 后：

1
2

conda env create -n myproject -f environment.yml
conda activate myproject

若使用 conda list --explicit > ENV.txt 导出的 .txt，则用：

1
2

conda create -n myproject --file ENV.txt
conda activate myproject

常见问题¶

• 误在 base 里装了大量包：可新建一个环境专门做日常开发，base 仅保留 conda 更新；或用 conda list -n base 查看后按需清理。
• conda 与 pip 混用：同一环境内可以混用，但优先用 conda install 装能通过 conda 获得的包，再用 pip 装其余包，避免同一包被两者重复管理导致冲突。导出时用 pip freeze > requirements.txt 与 conda env export > environment.yml 分别保留，便于复现。
• 环境损坏或无法激活：用 conda info --envs 或 conda env list 列出环境后，用 conda remove -n 环境名 --all 删除问题环境，再按 environment.yml 或 ENV.txt 重新创建。
• 下载慢或 CondaHTTPError：确认已按上文配置国内镜像（如清华 .condarc），并执行 conda clean -i 清索引缓存后重试。
• conda 25.3 及以后：若遇频道相关报错，可显式添加默认频道：conda config --add channels defaults（新版本可能不再隐式使用 defaults）。

小结¶

• Anaconda 适合“开箱即用”的科学计算环境，Miniconda 适合只要 Python + conda 的轻量使用。
• 建议为每个项目单独建环境，用 conda activate / conda deactivate 切换。
• 常用命令：conda create、conda activate、conda install、conda list、conda env export / conda env create -f。
• 国内用户建议配置 清华等镜像 的 .condarc，并执行 conda clean -i 后使用。

更多细节可查阅 Conda 官方文档、入门指南 与 速查表 PDF。本站 Python 环境管理最佳实践 可与本文搭配使用，用于项目级环境规范。